具有自适应调整策略的混沌灰狼优化算法

• 作者: 孙惠香 张悦 韩博 魏政磊
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 灰狼算法 自适应 混沌 收敛速度 局部最优
• 年，卷（期）: 2017,（z2）
• 所属期刊栏目: 智能计算
• 页码范围: 119-122,159
• 页数: 5页
• 分类号: TP301
• 字数: 4490字
• 语种: 中文

摘要

灰狼优化算法(Grey Wolf Optimization,GWO)是新型启元优化算法,相比于其他群体智能优化算法,该算法同样存在收敛速度较慢、不稳定、易陷入局部最优等问题.针对上述问题,根据GWO算法的结构特点,提出了一种自适应调整策略的混沌灰狼优化算法(Chaotic Local Search GWO),利用自适应调整策略来提高GWO算法的收敛速度,通过混沌局部搜索策略增加种群的多样性,使搜索过程避免陷入局部最优.最后利用6个测试函数对算法进行仿真验证,并结合其他4种算法进行了横向比较.实验结果证明,所提出的改进算法在收敛速度、精度以及稳定性方面具有明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙惠香	空军工程大学航空航天工程学院	30	90	5.0	7.0
2	韩博	空军工程大学航空航天工程学院	14	53	5.0	6.0
3	张悦	空军工程大学航空航天工程学院	7	22	3.0	4.0
4	魏政磊	空军工程大学航空航天工程学院	14	101	5.0	10.0